研究人员推出AVTrack，这是一个旨在改进复杂、以人为中心的场景中视听说话人跟踪的新数据集。现有数据集通常使用简化的场景，导致评估存在偏差，无法反映相机运动和遮挡等现实世界挑战。AVTrack旨在为动态环境中鲁棒的时空建模和跨模态推理能力的开发提供更严格的基准。 AI
影响 为视听跟踪建立了更具挑战性的基准，可能推动人工智能应用中以人为中心的场景理解。
排序理由 该集群包含一篇介绍视听跟踪新数据集和基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →